[[428503]]

本文轉載自微信公眾號「杰哥的IT之旅」，作者阿拉斯加 。轉載本文請聯系杰哥的IT之旅公眾號。

一、進程介紹

進程：正在執行的程序，由程序、數據和進程控制塊組成，是正在執行的程序，程序的一次執行過程，是資源調度的基本單位。

程序：沒有執行的代碼，是一個靜態的。

二、線程和進程之間的對比

由圖可知：此時電腦有 9 個應用進程，但是一個進程又會對應于多個線程，可以得出結論：

進程：能夠完成多任務，一臺電腦上可以同時運行多個 QQ

線程：能夠完成多任務，一個 QQ 中的多個聊天窗口

根本區別：進程是操作系統資源分配的基本單位，而線程是任務調度和執行的基本單位.

使用多進程的優勢:

1、擁有獨立GIL:

首先由于進程中 GIL 的存在，Python 中的多線程并不能很好地發揮多核優勢，一個進程中的多個線程，在同 一時刻只能有一個線程運行。而對于多進程來說，每個進程都有屬于自己的 GIL，所以，在多核處理器下，多進程的運行是不會受 GIL的影響的。因此，多進 程能更好地發揮多核的優勢。

2、效率高

當然，對于爬蟲這種 IO 密集型任務來說，多線程和多進程影響差別并不大。對于計算密集型任務來說，Python 的多進程相比多線 程，其多核運行效率會有成倍的提升。

三、Python 實現多進程

我們先用一個實例來感受一下：

1、使用 process 類

import multiprocessing  
def process(index):  
    print(f'Process: {index}')  
if __name__ == '__main__':  
    for i in range(5):  
        p = multiprocessing.Process(target=process, args=(i,))  
        p.start()  

這是一個實現多進程最基礎的方式：通過創建 Process 來新建一個子進程，其中 target 參數傳入方法名，args 是方法的參數，是以 元組的形式傳入，其和被調用的方法 process 的參數是一一對應的。

注意：這里 args 必須要是一個元組，如果只有一個參數，那也要在元組第一個元素后面加一個逗號，如果沒有逗號則 和單個元素本身沒有區別，無法構成元組，導致參數傳遞出現問題。創建完進程之后，我們通過調用 start 方法即可啟動進程了。

運行結果如下：

Process: 0  
Process: 1  
Process: 2  
Process: 3  
Process: 4  

可以看到，我們運行了 5 個子進程，每個進程都調用了 process 方法。process 方法的 index 參數通過 Process 的 args 傳入，分別是 0~4 這 5 個序號，最后打印出來，5 個子進程運行結束。

2、繼承 process 類

from multiprocessing import Process 
import time 
 
class MyProcess(Process): 
    def __init__(self,loop): 
        Process.__init__(self) 
        self.loop = loop 
 
 
    def run(self): 
        for count in range(self.loop): 
            time.sleep(1) 
            print(f'Pid:{self.pid} LoopCount: {count}') 
if __name__ == '__main__': 
    for i in range(2,5): 
        p = MyProcess(i) 
        p.start() 

我們首先聲明了一個構造方法，這個方法接收一個 loop 參數，代表循環次數，并將其設置為全局變量。在 run方法中，又使用這 個 loop 變量循環了 loop 次并打印了當前的進程號和循環次數。

在調用時，我們用 range 方法得到了 2、3、4 三個數字，并把它們分別初始化了 MyProcess 進程，然后調用 start 方法將進程啟動起 來。

注意：這里進程的執行邏輯需要在 run 方法中實現，啟動進程需要調用 start 方法，調用之后 run 方法便會執行。

運行結果如下：

Pid:12976 LoopCount: 0 
Pid:15012 LoopCount: 0 
Pid:11976 LoopCount: 0 
Pid:12976 LoopCount: 1 
Pid:15012 LoopCount: 1 
Pid:11976 LoopCount: 1 
Pid:15012 LoopCount: 2 
Pid:11976 LoopCount: 2 
Pid:11976 LoopCount: 3 

注意，這里的進程 pid 代表進程號，不同機器、不同時刻運行結果可能不同。

四、進程之間的通信

1、Queue-隊列 先進先出

from multiprocessing import Queue 
import multiprocessing 
 
def download(p): # 下載數據 
    lst = [11,22,33,44] 
    for item in lst: 
        p.put(item) 
    print('數據已經下載成功....') 
 
 
def savedata(p): 
    lst = [] 
    while True: 
        data = p.get() 
        lst.append(data) 
        if p.empty(): 
            break 
    print(lst) 
 
def main(): 
    p1 = Queue() 
 
    t1 = multiprocessing.Process(target=download,args=(p1,)) 
    t2 = multiprocessing.Process(target=savedata,args=(p1,)) 
 
    t1.start() 
    t2.start() 
 
 
if __name__ == '__main__': 
    main() 
數據已經下載成功.... 
[11, 22, 33, 44] 

2、共享全局變量不適用于多進程編程

import multiprocessing 
 
a = 1 
 
 
def demo1(): 
    global a 
    a += 1 
 
 
def demo2(): 
    print(a) 
 
def main(): 
    t1 = multiprocessing.Process(target=demo1) 
    t2 = multiprocessing.Process(target=demo2) 
 
    t1.start() 
    t2.start() 
 
if __name__ == '__main__': 
    main() 

運行結果:

1 

有結果可知：全局變量不共享;

五、進程池之間的通信

1、進程池引入

當需要創建的子進程數量不多時，可以直接利用 multiprocessing 中的 Process 動態生成多個進程，但是如果是上百甚至上千個目標，手動的去創建的進程的工作量巨大，此時就可以用到 multiprocessing 模塊提供的 Pool 方法。

from multiprocessing import Pool 
import os,time,random 
 
def worker(a): 
    t_start = time.time() 
    print('%s開始執行,進程號為%d'%(a,os.getpid())) 
 
    time.sleep(random.random()*2) 
    t_stop = time.time() 
    print(a,"執行完成,耗時%0.2f"%(t_stop-t_start)) 
 
 
if __name__ == '__main__': 
    po = Pool(3)        # 定義一個進程池 
    for i in range(0,10): 
        po.apply_async(worker,(i,))    # 向進程池中添加worker的任務 
 
    print("--start--") 
    po.close()       
 
    po.join()        
    print("--end--") 

運行結果:

--start-- 
0開始執行,進程號為6664 
1開始執行,進程號為4772 
2開始執行,進程號為13256 
0 執行完成,耗時0.18 
3開始執行,進程號為6664 
2 執行完成,耗時0.16 
4開始執行,進程號為13256 
1 執行完成,耗時0.67 
5開始執行,進程號為4772 
4 執行完成,耗時0.87 
6開始執行,進程號為13256 
3 執行完成,耗時1.59 
7開始執行,進程號為6664 
5 執行完成,耗時1.15 
8開始執行,進程號為4772 
7 執行完成,耗時0.40 
9開始執行,進程號為6664 
6 執行完成,耗時1.80 
8 執行完成,耗時1.49 
9 執行完成,耗時1.36 
--end-- 

一個進程池只能容納 3 個進程，執行完成才能添加新的任務，在不斷的打開與釋放的過程中循環往復。

六、案例:文件批量復制

操作思路:

• 獲取要復制文件夾的名字
• 創建一個新的文件夾
• 獲取文件夾里面所有待復制的文件名
• 創建進程池
• 向進程池添加任務

代碼如下:

導包

import multiprocessing 
import os 
import time 

定制文件復制函數

def copy_file(Q,oldfolderName,newfolderName,file_name): 
    # 文件復制,不需要返回 
    time.sleep(0.5) 
    # print('\r從%s文件夾復制到%s文件夾的%s文件'%(oldfolderName,newfolderName,file_name),end='') 
 
    old_file = open(oldfolderName + '/' + file_name,'rb') # 待復制文件 
    content = old_file.read() 
    old_file.close() 
 
    new_file = open(newfolderName + '/' + file_name,'wb') # 復制出的新文件 
    new_file.write(content) 
    new_file.close() 
 
    Q.put(file_name) # 向Q隊列中添加文件 

定義主函數

def main(): 
    oldfolderName = input('請輸入要復制的文件夾名字:') # 步驟1獲取要復制文件夾的名字(可以手動創建,也可以通過代碼創建,這里我們手動創建) 
    newfolderName = oldfolderName + '復件' 
    # 步驟二 創建一個新的文件夾 
    if not os.path.exists(newfolderName): 
        os.mkdir(newfolderName) 
 
    filenames = os.listdir(oldfolderName) # 3.獲取文件夾里面所有待復制的文件名 
    # print(filenames) 
 
    pool = multiprocessing.Pool(5) # 4.創建進程池 
 
    Q = multiprocessing.Manager().Queue() # 創建隊列,進行通信 
    for file_name in filenames: 
        pool.apply_async(copy_file,args=(Q,oldfolderName,newfolderName,file_name)) # 5.向進程池添加任務 
      po.close() 
 
    copy_file_num = 0 
    file_count = len(filenames) 
    # 不知道什么時候完成,所以定義一個死循環 
    while True: 
        file_name = Q.get() 
        copy_file_num += 1 
        time.sleep(0.2) 
        print('\r拷貝進度%.2f %%'%(copy_file_num  * 100/file_count),end='') # 做一個拷貝進度條 
 
        if copy_file_num >= file_count: 
            break 

程序運行

if __name__ == '__main__': 
    main() 

運行結果如下圖所示：

運行前后文件目錄結構對比

運行前

運行后

 

以上內容就是整體大致結果了，由于 test 里面是隨便粘貼的測試文件，這里就不展開演示了。